Vítejte na události, na které se technologie setkávají s realitou! Tentokrát se společně ponoříme do testování v automotive a aerospace.
Jako první vystoupí se svou prezentací doc. Ing. Peter Chudý, Ph.D., MBA z brněnské univerzity FIT VUT a bude hovořit na téma Hardware in the loop (HiL) v leteckém prostoru. Simulace v HiL jsou nesporně vnímány jako nedílná součást procesu návrhu a vývoje aviatiky. Na této přednášce bude představen simulační proces, který byl použit k testování digitálního autopilota pro lehké sportovní letadlo. Simulační procesy byly provedeny na dvou různých úrovních pozemního testování. První nastavení sestávalo z laboratorní fáze ověřování jakosti, která podporovala počáteční funkční odhad navržených a implementovaných funkcí autopilota. Následná testovací úroveň již zahrnovala instalaci vestavěného systému autopilota na palubu testovacího letadla. Prvotní Hardware in the loop simulace byla provedena v simulační laboratoři lehkých letadel SimStar na VUT v Brně. Cílem pozemních simulací bylo ověření a pozemní testování provozní způsobilosti navržených prvků systému řízení letu autopilota. Implementované hardwarové jednotky systému řízení letu byly pro oba testovací scénáře připojeny do simulační sítě pomocí komunikačního protokolu CANaerospace. Simulace byly zaměřené na provozní scénáře automatických letových režimů v reálném čase. Oba simulační scénáře potvrdily očekávaný výkon konstrukčních prvků autopilota.
Druhým řečníkem bude Diego Carvalho, jež vede softwarový tým oddělení automotive kamer, který bude přednášet na téma DVS Unified Framework napříč ověřovacím pracovním postupem – od nahrávání po HIL. V rámci jeho přednášky bude představen standardizovaný software a hardware oddělení automotive kamer používaný v rámci pracovního postupu pro validace. Počínaje testováním kamery, záznamem ve vozidle a simulací až po přehrávání HIL.
Posledním, avšak neméně důležitým řečníkem, bude Rostislav Halaš, odborník z National Instruments, který bude hovořit na téma Evoluce validačních nástrojů NI pro ADAS. V rámci jeho přednášky se zaměříme na důležitost propojení testovacích metodologií během testu In-Vehicle Data Record, Replay a Hardware-in-the-Loop (HIL). Ponoříme se hlouběji do nejnovějších pokroků v simulaci HIL a technik přímého vkládání obrazu a nové technologie, jako je RDMA podporující tento vývoj.
Na nový rok, a to přesně první únorový den, jsme se dočkali dalšího technického večera. Tentokrát jsme probrali do hloubky umělou inteligenci a její užití v automotive sektoru.
Jako první se svou prezentací vystoupila Sara Polak.
Své vystoupení nazvala: Od pyramid po roboty.
Žijeme v udržitelné sociální struktuře? Existuje něco jako kolaps civilizací, nebo pouze procházíme konstantní transformací doprovázenou čím dál tím lepšími technologiemi? Je možné, že naše evoluční přirozenost netkví ve velkých, komplexních sociálních uskupeních, ale v decentralizovaných kmenech, a toto činí jakoukoliv civilizaci dlouhodobě neudržitelnou? Pojďte na výlet časem od pyramid až po roboty a pojďte se ponořit do výzkumu o simulaci komplexních společenských systémů, abyste lépe porozuměli anatomii civilizace, ve které žijeme, a uměli se lépe obrnit před budoucností.
Dalším prezentujícím se stal Antonín Vobecký. Je to jeden z mála lidí zabývající se umělou inteligencí a jejím učením ve společnosti Valeo v rámci Valeo.ai.
Antonín nám vysvětlil práci, kterou prezentoval společně s týmem na ECCV v Izraeli, zabývající se částečnou automatizací anotačního procesu. Právě ten je pro strojové učení systémů do aut stěžejní a jeho automatizace se jeví jako velká úspora času i financí. Ve své práci zkoumal, zda je možné naučit neuronovou síť sémantickou segmentaci obrazu, což je úloha, která přiřazuje typ objektu příslušící každému pixelu. Jedná se o anotaci městských scén bez nutnosti jakéhokoli ručního zásahu, pouze ze surových neupravovaných dat shromážděných auty vybavenými kamerami a senzory LiDAR při jízdě ve městě.
Posledním, avšak neméně důležitým řečníkem, se prezentoval Petr Cezner. Ten se po pěti letech jako výzkumný softwarový inženýr rozhodl profilovat do Machine Learningu. Při té příležitosti změnil i zaměstnavatele, od roku 2022 pracuje ve společnosti DataSentics jako Machine Learning Engineer.
Jeho prezentace nás provedla algoritmem počítačového vidění pro kontrolu kvality. Kontrola kvality je nezbytnou součástí každého výrobního procesu a historicky musela být vždy prováděna ručně s kvalifikovaným personálem. Deep learning přineslo v posledních letech obrovské zlepšení v automatizaci tohoto úkolu, což vedlo k rychlejší výrobě a úspoře nákladů. Pověděl nám něco o neuronových sítích pro 2D senzory, 3D data, termokamery a senzory IoT nebo o tom, jak si vybrat mezi klasifikací, segmentací nebo detekcí anomálií. Probrali jsme také také, jak je to aktuálně řešeno, jaká cloudová či on-prem řešení se používají a jak se očekává, že se tato oblast v budoucnu změní.
Na dalším z Valeo technických večerů jsme se zabývali testováním autonomní jízdy. Ať už se jedná o prostředky hromadné dopravy nebo osobních aut, je potřeba se připravit na budoucnost a až přijde čas, vypustit do provozu pouze spolehlivá řešení dopravy.
Jako první se o Vaši pozornost postaral Jan Zahradník, který vede tým System Validation ToolChain.
Autonomní a vysoce automatizovaná auta představují velkou část příští automobilové revoluce. Aby byla zajištěna jejich bezpečnost a účinnost jejich funkcí, procházejí tyto vozy velmi důkladnou fází testování. To zahrnuje shromažďování velkého množství dat ze silnic a testovacích polygonů, zpracování dat a vyhodnocování úspěšnosti systému až po homologaci systému a certifikaci pro dané úrovně automatizace.
Kromě toho se virtuální testování stává nástrojem pro trénování algoritmů a pokrytí krajních situací, kterých nelze bezpečně dosáhnout testováním v normálním provozu. Kombinace validace ve virtuálním a reálném světě může pokrýt celou řadu systémových funkcí a bezpečnostních požadavků včetně FuSa (Functional Safety) a SOTIF (Safety of The Intended Functionality). Robustnost nástrojů a korelace modelu s reálnými daty je klíčem ke správnému výkonu a spolehlivosti systému. Definování, výběr a zpracování správných dat se stává velkou výzvou s rostoucí složitostí systémů a přísnějšími regulačními požadavky.
Téma večera se zúžilo na „Jak definovat metodologii validace a nástroje pro autonomní systémy úrovně 3 a dále“.
Základy Valeo System Validation Platform byly: automatizace, standardizace, virtuální validace, správa velkých dat, validace nástrojového řetězce a pokročilé ověřování systému.
Dalším hostem byl Michal Pochmon, technický ředitel a vedoucí implementace ve Škoda Digital, který mluvil o budoucnosti tramvají a jejich autonomie. Začal rekapitulací skutečného stavu protikolizního systému ve skupině Škoda. Následně do hloubky analyzoval vizi budoucího vývoje autonomních tramvají. Antikolizní systém pro tramvaje je jednou z předních funkcí, která je zásadní v době rostoucí hustoty dopravy ve větších městech. Mluvil o fázích a způsobech testování. A nevynechal ani ukázku simulátoru a budoucí možnosti ověřování.
Naše setkání zakončil Tomáš Svoboda z ČVUT, který se na zmíněnou problematiku podíval z akademického hlediska. Soustředili jsme se na problematiku weakly supervised machine learning. Úplná anotace dat je typicky potřebná pro trénování algoritmů strojového učení. Představme si, že anotování každého pixelu obrázku je tak složité, že není možné udržovat tempo s požadavky na validaci a testování. Místo kompletní anotace dat můžeme využít vzdáleně souvisejícího zdroje anotací. V této přednášce jsme se zaměřili na znalosti trajektorie nahrávacího vozidla. Ukázali jsme si, jak zahrnout fyzikální omezení plynoucí z kinematiky vozidla pro učení prediktoru profilu terénu. V druhé části jsme prodiskutovali zahrnutí dynamického modelu.
Ústředním tématem dalšího Valeo Technical Evening se stalo PCB.
Tato zkratka, která znamená „desky plošných spojů“, se neodmyslitelně pojí s každým elektronickým zařízením.
Nejdřív jsme se společně s Miroslavem Purnochem, hardware inženýrem ze společnosti Valeo, prošli zákoutími každého spoje či rezistoru, jeho význam a výslednou funkcionalitu z hlediska vývoje asistenčních systémů aut. Podívali jsme se na jednotlivé kroky při vývoji i na nástroje, které se používají pro návrh, simulaci a testování prototypů desek plošných spojů. Jaká jsou specifika vysokofrekvenčních materiálů PCB pro radarové senzory do aut? To a více jsem si pověděli při dalším technickém večeru.
Dále nám své o PCB řekl Jiří Zvolánek, který předvedl některé z pokročilých technologií jako například HDI microvia technologii, 3D flex-rigid technologii a DPS s integrovanými součástkami, na kterých dělá společnost Würth Elektronik GmbH & Co. KG.
Nakonec jsme si poslechli půlhodinovou prezentaci největšího experta na poli PCB ve společnosti Valeo, Paul-Henryho Morela, který se s námi podělil o širší pohled na masovou výrobu plošných spojů. Detailněji jsme probrali výzvy a možný budoucí vývoj této disciplíny na poli automotive.
Posledních 10 minut jsme věnovali Janu Kosteckému z Valeo Rakovník, leadru procesních inženýrů, a jeho kolegům. Ti nás seznámili s plánovanou výrobou PCB v jednom z nejmodernějších závodů Valeo na světě.
Jak zjistit, že jsou na autě špinavé senzory? Algoritmy pro detekci přítomnosti blokujících prvků – automobilový radar a kamera
Stalo se Vám už, že auto zobrazilo zprávu podobnou této: „Adaptivní tempomat je vypnutý, radar je blokován“? Už jste přemýšleli o tom, jak důležité je mít v autě správně fungující senzory, které se starají o adaptivní tempomat, varování před vybočením z jízdního pruhu nebo jiné chytré funkce? A jak důležité to může být pro budoucí autonomní vozidla, která už nebudou potřebovat řidiče za volantem?
Oddělení radarů společnosti Valeo dokončilo vývoj nového algoritmu, který rozpozná jakékoli známky zablokování senzoru. Naiallen Carvalho, jedna z vývojářek algoritmu, v přednášce vysvětlila, jakou podobu i funkci má signál z blokovaného senzoru a jak rozpoznat, zda je senzor stále schopen detekovat objekty.
Oddělení umělé inteligence Valeo se dlouhodobě soustředí na vývoj detekce špinavých či jinak blokovaných kamer. David Hurych povídal, jak identifikovat kapky vody na kameře a jak vývojáři nadále systém vylepšují.
